Actividad - Sesion 03

Actividad - Sesion 03

library(tidyverse)
library(forecast)
library(quantmod)
library(AER)
library(MASS)
library(tseries)
library(stats)

Lee el archivo “ActividadSeries3.csv” ubicado en Canvas o en el Google Drive (carpeta R_Project) que contiene 4 series de tiempo.

Para las primeras dos series de tiempo gráfica las funciones de autocorrelación correspondients y a partir de estas gráficas deduce si se tratan de un proceso estacionario o un proceso no estacionario. Posteriormente, aplica la prueba Aumentada de Dickey-Fuller y comprueba tus conclusiones anteriores a partir de los resultados arrojados por esta prueba.

Para las últimas dos series de tiempo gráfica tal cual su comportamiento a través del tiempo; y a partir de este intenta identificar el tipo de proceso al que corresponde cada una de estas 2 series. Las posibilidades son las 5 analizadas durante la clase de hoy:

• Caminata Aleatoria sin deriva
• Caminata Aleatoria con deriva
• Tendencia Determinística
• Tendencia Determinística con componente estacionario
• Caminata Aleatoria con deriva y tendencia

En caso de existir una teendencia determinística, estima mediantee una regresión lineal los valores de los coeficientes ‘B_0’ y ‘B_1’.

Para iniciar la actividad, puedes utilizar el .rmd con el que se creo este .pdf que también se encuentra en Canvas y en el Google Drive.

Al finalizar la sesión de ser posible deberás de subir a Canvas el archivo que ‘knitees’ en formato HTML, en caso de tener problemas para generar este archivo puedes subir directamente el RMarkDown (archivo .rmd)

BD <- read.csv("ActividadSeries3.csv")
head(BD)

Análisis de la Serie1

head(BD$Serie1)

## [1]  0.09210486  0.18858804  0.38236941 -0.63867933  0.27310060 -1.12289720

acf(BD$Serie1)

adf.test(BD$Serie1)

## Warning in adf.test(BD$Serie1): p-value smaller than printed p-value

## 
##  Augmented Dickey-Fuller Test
## 
## data:  BD$Serie1
## Dickey-Fuller = -5.4982, Lag order = 6, p-value = 0.01
## alternative hypothesis: stationary

Análisis de la Serie2

head(BD$Serie2)

## [1] 14.79616 17.34335 23.13333 30.73897 32.48042 32.49183

acf(BD$Serie2)

adf.test(BD$Serie2)

## 
##  Augmented Dickey-Fuller Test
## 
## data:  BD$Serie2
## Dickey-Fuller = -2.3615, Lag order = 6, p-value = 0.4238
## alternative hypothesis: stationary

Análisis de la Serie3

head(BD[,3])

## [1] 19.8418913  0.2143768  8.0262283 22.3957743 18.6783424 20.8187109

# plot(BD[,3])
plot(BD[,3], type = "l", main="Caminata Aleatoria con Deriva")

Análisis de la Serie4

head(BD[,4])

## [1] -1.1894537 -0.8008725 -1.1452059 -1.6931020 -0.7124398 -0.9490858

# plot(BD[,4])
plot(BD[,4], type = "l", main="Serie 4")